论文部分内容阅读
为解决传统聚类算法在处理大规模信息网络中时间开销过大的问题，基于大规模信息网络的统计学特性，提出了一种将信息网络拓扑结构进行“分而治之”的思想，有效地减少了聚类问题规模和时间开销，并保持了相当的聚类效果。主要贡献包括：提出按照聚类影响力排名来对整个信息网络进行分层切割，然后分别聚类的思想；按照特定信息网络统计学意义上的结构特性，如信息网络的富人集团特性和分层社区结构特性，设计了一套将信息网络进行层次划分的粗略方案，并通过实验证明了其具有一定的合理性；提出了迭代的层级间聚类融合算法，可以实现不同层次聚类的融